用于购物篮补全的Word2Vec对抗训练
机器学习
2018-05-23 v1 机器学习
摘要
近年来，使用负采样损失函数训练的Word2Vec模型在多项机器学习任务中展示了最先进的结果，包括语言建模任务（如词类比与词相似度），以及通过Prod2Vec实现的推荐任务——后者是一种应用于建模用户购物活动与用户偏好的扩展。已有若干旨在改进标准负采样损失的方法被提出。在本文中，我们通过借助生成对抗网络（GANs）领域的思想来追求更精细的负采样，并提出对抗负采样。我们建立在近期关于稳定离散数据设置下GAN训练目标的进展之上，并引入一种新的GAN-Word2Vec模型。我们在购物篮补全任务上评估了我们的模型，并显示出相比使用标准损失函数（包括噪声对比估计与负采样）训练的Word2Vec，性能有显著提升。
引用
@article{arxiv.1805.08720,
title = {Adversarial Training of Word2Vec for Basket Completion},
author = {Ugo Tanielian and Mike Gartrell and Flavian Vasile},
journal= {arXiv preprint arXiv:1805.08720},
year = {2018}
}
备注
5 pages